Thinking Machines 发布开放权重模型 Inkling

Mira Murati 创立的 Thinking Machines Lab 发布了其首个开放权重模型 Inkling。

Inkling 是一个多模态模型，采用 Mixture-of-Experts（MoE）Transformer 架构，参数规模为 975B 总参数、41B 激活参数。该模型使用文本、图像、音频和视频等数据训练，训练规模为 45 万亿 token，并采用 Apache-2.0 许可。

Inkling-Small 仍在测试

Thinking Machines Lab 还计划推出一个较小版本 Inkling-Small：

总参数：276B
激活参数：12B

不过，该版本仍在测试中，权重将在相关工作完成后发布。

模型卡与训练数据说明较为简略

Inkling 的模型卡相对简短。其训练数据说明中提到，Thinking Machines Lab 用于开发 AI 服务的数据集包括：

公共领域内容；
可能受知识产权保护的内容；
来自开放互联网和公开数据仓库的公开可访问内容；
从第三方获得的部分数据集。

这些说明并未提供更细粒度的数据组成、过滤方式或授权细节。

官方定位：不是前沿最强模型，而是可定制基础模型

Thinking Machines Lab 明确表示，Inkling 并不是当前开放或闭源模型中整体能力最强的模型。它的定位更偏向于一个适合定制和微调的开放权重基础模型。

其核心卖点包括：

多模态能力；
较高效的推理能力；
可在 Tinker 训练平台上进行微调。

也就是说，Inkling 更像是为开发者和研究者提供的可改造底座，而不是直接对标最强闭源模型的通用旗舰模型。

开放权重生态的新成员

Inkling 采用 Apache-2.0 许可，这对开放权重生态具有实际意义。它也被认为有机会与来自中国的开放权重模型形成竞争，同时加入美国开放权重模型阵营中已有的 NVIDIA Nemotron、Gemma 4 等项目。

一个简单多模态测试

测试中，Inkling 被要求生成“骑自行车的鹈鹕”的 SVG 图像。随后，该 SVG 被渲染为 JPEG，并再次提交给 Inkling 进行图像描述。

模型在描述自己生成的图像时，将图中的鸟识别为“类似鹳或海鸥”的白色鸟，而不是明确识别为鹈鹕。它描述的画面包括：

一只风格化白色鸟，拥有橙色长喙；
一辆黑色车架、双轮带辐条的自行车；
蓝天、白云、太阳和绿色丘陵背景；
整体风格为明亮、简洁的扁平矢量卡通插画。

这个例子显示了 Inkling 的生成与视觉理解能力，同时也暴露出图像语义一致性上的小偏差：它能生成并描述图像，但对“鹈鹕”这一目标对象的识别并不完全稳定。

观察

Inkling 的意义不在于宣称成为最强模型，而在于提供了一个开放权重、Apache-2.0 许可、多模态、可微调的大规模 MoE 基础模型。对于需要在自有任务上做定制训练的团队，它可能比单纯追求通用榜单成绩的模型更值得关注。